APLIKASI MODEL HIDROLOGI KONSEPTUAL IHACRES UNTUK PENGALIHRAGAMAN HUJAN DEBIT PADA DAERAH ALIRAN SUNGAI

Transkripsi

1 Volume 12, No. 4, Apri 2014: APLIKASI MODEL HIDROLOGI KONSEPTUAL IHACRES UNTUK PENGALIHRAGAMAN HUJAN DEBIT PADA DAERAH ALIRAN SUNGAI Imam Suprayogi, Yohanna Lilis Handayani, Lita Darmayanti, Trimaijon Jurusan Teknik Sipil, Fakultas Teknik, Universitas Riau Kampus Bina Widya Jl. HR Soebrantas Km 12,5 Pekanbaru, Kode Pos Abstract: The transformation process of rain fall into run-off can be copied and simplified into the rain fall-run off model. The main purpose of this research is applying the rain fall-run off model, instead the lack of run-off data, to predict the amount of water reservoir in a catchment area. This research apply the IHACRES model, which developed in England (U.K.) based on rain fall data from several rain-stations (Tanjung Pati, Sijunjung and Sentajo) and climatology data of Sentajo Climatology Station in the period, to predict the amount of water reservoir in a catchment area. The result showed that IHACRES model that apply in Lubuk Ambacang waterprediction-station is not robbust (R 2 score in simulation stage: 0,245 0,485), but it still worth to applied as long as no other model show a better result. Keywords: catchment area, model, rain fall run off, IHACRES Abstrak: Proses transformasi hujan menjadi debit dapat ditiru dan disederhanakan dalam bentuk model yang lazim disebut model hujan debit. Tujuan utama penelitian ini adalah mengaplikasikan model guna mengatasi keterbatasan akan data debit untuk kebutuhan prediksi akan ketersediaan air di suatu Daerah Aliran Sungai (DAS). Metode pendekatan yang digunakan untuk memprediksi kebutuhan ketersediaan air suatu DAS adalah menggunakan model IHACRES yang dikembangkan di Inggris berdasarkan data curah hujan pada stasiun hujan Tanjung Pati, Sijunjung dan Sentajo periode serta data klimatologi pada stasiun klimatologi Sentajo periode Hasil utama penelitian membuktikan bahwa Model IHACRES yang diterapkan di stasiun duga air Lubuk Ambacang dapat dikatakan masih kurang handal karena nilai R 2 yang dihasilkan pada tahap simulasi berkisar antara 0,245 0,485. Namun dalam hal penggunaannya di lapangan masih dapat diaplikasikan selama pemodelan hujan debit yang memberikan hasil yang lebih baik belum ditemukan. Kata kunci: daerah aliran sungai, model, hujan-debit, IHACRES PENDAHULUAN Ketersediaan air suatu Daerah Aliran Sungai (DAS), mencerminkan proses pergerakan air dari vegetasi, tanah dan sungai yang berlangsung secara tetap. Pergerakan air ini dapat dideteksi dan didekati dengan beberapa persamaan matematika. Persamaan tersebut mencerminkan proses pengalihragaman dari hujan menjadi aliran yang dapat ditiru dan disederhanakan serta diwujudkan dalam bentuk model, yang disebut dengan model hujan aliran. Salah satu model hujan aliran yang cukup dikenal dan banyak diaplikasikan di beberapa negara di dunia oleh para praktisi dan peneliti adalah model IHACRES. IHACRES telah dan berhasil diterapkan untuk menyelidiki respon hidrologi di berbagai DAS di seluruh dunia seperti di Australia (Carlile, et al, 2004), Afrika Selatan (Dye dan Croke, 2003), Amerika Serikat (Anderson dan Goodall, 2006), Inggris (Croke dan Littlewood, 2005), Thailand (Sriwongsitanon dan Taesombat, 2011) dan Indonesia (Indarto, 2006). Berdasarkan hasil penelitian yang dilakukan oleh Indarto (2006), bahwa model IHACRES yang pada awalnya dikembangkan di Inggris, telah berhasil dalam menyelidiki respon hidrologi di DAS Bedadung, Jawa Timur. Dengan adanya keberhasilan tersebut, maka dirasa perlu untuk mencoba keandalan model IHACRES di daerah lain di Indonesia 277

2 khususnya DAS di Luar Pulau Jawa. Adapun lokasi penelitian ini berada pada DAS Indragiri yakni pada stasiun duga air Lubuk Ambacang dan Pulau Berhalo. Tujuan utama penelitian adalah menganalisa keandalan model IHACRES dalam memodelkan hujan aliran pada DAS Indragiri dengan data debit pengukuran di Stasiun Lubuk Ambacang dan stasiun Pulau Berhalo. KONSEP MODEL IHACRES Menurut Wheater et al (2008) bahwa m odel Identification of Unit Hydrograph and Component Flows from Rainfall, Evaporation and Stream Flow Data atau yang lazim dikenal IHACRES merupakan gabungan dari model konseptual dan model matrik dengan melakukan penyederhanaaan terhadap model matrik untuk mengurangi ketidakpastian parameter yang melekat dalam model hidrologi, sementara pada saat yang sama berusaha mewakili proses internal lebih detail dibandingkan dengan model matrik. Proses hidrologi menurut konsep IHACRES disederhanakan seperti pada Gambar 1 di bawah ini: air pada permukaan tanah. Menurut Sriwongsitanon dan Taesombat (2011) bahwa perhitungan curah hujan efektif (u k ) dapat dihitung menggunakan Persamaan 1, 2 dan 3 sebagai berikut: p uk c k l rk (1) 1 k rk 1 k 1 k (2) 0,062 f t r t k k w (3) dengan u k adalah curah hujan efektif dalam mm, r k adalah curah hujan terukur dalam mm, c adalah keseimbangan massa dalam mm -1, l adalah indeks ambang batas kelembaban tanah untuk menghasilkan aliran, p adalah respon jangka waktu non linear. Parameter l dan p hanya digunakan untuk DAS yang bersifat sementara ( ephemeral), k adalah kelembaban tanah dalam mm, k adalah laju pengeringan, t k adalah temperatur terukur ( C), w adalah laju pengeringan pada saat suhu referensi. Parameter ini mempengaruhi variasi drainase tanah dan laju infiltrasi, f adalah modulasi temperature dalam C -1. Parameter ini berkaitan dengan variasi evapotranspirasi musiman yang dipengaruhi oleh iklim, tata guna lahan dan penutup lahan, dan t r adalah temperatur referensi dalam C. Hujan (r k ) Suhu (t k ) Non Linear Loss Module Hujan Efektif (U k ) Linear Unit Hydrograph Module Aliran Permukaan (X k ) IHACRES versi 2.1 lebih umum dibandingkan versi aslinya yaitu versi 1.0. Namun pengguna dapat beralih dari versi 2.1 ke versi 1.0 dengan mengganti parameter l dan p masing-masing menjadi nol dan satu. Gambar 1. Deskripsi Proses Hujan Aliran Menurut IHACRES Berdasarkan Gambar 1 di atas, bahwa siklus hidrologi menurut IHACRES dibedakan menjadi dua. Sub proses vertikal yang digambarkan oleh Non Linear Loss Module dan sub proses lateral yang diimplementasikan melalui Linear Unit Hydrograph Module. Non linear loss module berfungsi untuk mengkonversi hujan menjadi hujan efektif. Proses non linear loss module merupakan proses perubahan hujan menjadi aliran permukaan pada skala DAS diasumsikan bersifat non linear. Kinerja non linear loss module ditentukan oleh kondisi DAS atau kadar 278 Dalam modul linear, curah hujan efektif diubah menjadi limpasan menggunakan hubungan linear. Ada dua komponen yang berpengaruh di dalam aliran yakni aliran cepat (quick flow) dan aliran lambat ( slow flow). Kedua komponen tersebut dapat dihubungkan baik secara paralel maupun seri. Direkomendasikan menggunakan dua komponen tersebut secara paralel, kecuali untuk daerah semi kering ataupun sungai ephemeral dimana salah satu komponen biasanya memadai (Sriwongsitanon dan Taesombat, 2011). Masih dikatakan Sriwongsitanon dan Taesombat (2011) bahwa konfigurasi paralel dari kedua komponen dalam kondisi waktu k untuk aliran cepat (x k (q) ) dan aliran lambat (x k (s) )

3 yang dikombinasikan untuk menghasilkan limpasan (x k ) disajikan dalan rumusan berikut: q s xk xk xk (4) q q xk qxk 1 quk (5) s s xk sxk 1 suk (6) dengan x k adalah limpasan atau debit dalam (q) mm, x k (s) adalah aliran cepat dalam mm, x k adalah aliran lambat dalam mm, q adalah angka resesi untuk aliran cepat, s adalah angka resesi untuk aliran lambat, q adalah respon puncak untuk aliran cepat, dan s adalah respon puncak untuk aliran lambat. Karakteristik respon dinamis ( Dynamic Response Characteristics, DRCs) merupakan ukuran numerik yang berasal dari curah hujan, evapotranspirasi (ataupun suhu) dan de bit sungai dari serangkaian DAS. Masih dikatakan Sriwongsitanon dan Taesombat, (2011) adapun karakteristik respon dinamis untuk aliran cepat dan lambat dapat dihitung menggunakan Persamaan 7 dan 8 sebagai berikut : q ln q (7) s ln s (8) dengan adalah kurun waktu, q adalah konstanta waktu respon cepat dalam hari dan s adalah konstanta waktu respon lambat dalam hari. sebagai upaya karakterisasi yang unik dan efisien dari proses hidrologi pada sebuah DAS. Evaluasi Ketelitian Model Evaluasi ketelitian model IHACRES dalam Croke et al (2004) menggunakan fungsi objektif yang terdiri dari: R 2 Qo Qm Q o Qo Qo Qm 1 2 Bias n 2 (10) (11) dengan Q o adalah debit terukur dalam m 3 /dt, Q m adalah debit terhitung dalam m 3 /dt dan n adalah jumlah sampel. Dalam penelitian ini, indikator statistik yang paling utama dalam menentukan keandalan model adalah R2 dan bias. Kedua indikator statistik tersebut dirasa cukup dalam mengevaluasi kinerja model dalam hal membandingkan antara hasil model dengan data yang diamati. Nilai optimal untuk R2 mendekati satu dan bisa mendekati nol. Perumusan persamaan R2 didasarkan pada indikator efisiensi model Nash-Sutcliffe (Croke, et al, 2005). NSE memiliki range antara - sampai dengan 1. Berdasarkan penelitian yang dilakukan oleh Motovilov et al (1999), NSE memiliki beberapa kriteria seperti yang diperlihatkan pada Tabel 1. Masih dikatakan Sriwongsitanon dan Taesombat (2011) bahwa volume perbandingan untuk aliran cepat dan aliran yang lambat dapat dihitung dengan menggunakan Persamaan 9 sebagai berikut : q s vq 1 vs 1 1q 1s (9) dengan v q adalah volume perbandingan untuk aliran cepat dan v s adalah volume perbandingan untuk aliran lambat. Model IHACRES memiliki enam parameter model tiga diantaranya berkaitan dengan non linear loss module yaitu w, f dan c serta tiga parameter berikutnya berkaitan dengan linear unit hydrograph module yaitu q, s dan v s. Keenam parameter model tersebut dianggap 279 Tabel 1. Hubungan antara Nilai Nash Sutcliffe Efficiency (NSE) terhadap Interpretasi Model Nilai Nash-Sutcliffe Efficiency (NSE) Interpretasi Model NSE > 0.75 Baik 0.36 < NSE < 0.75 Memuaskan NSE < 0.36 Tidak Memuaskan Sumber : Motovilov, et al, 1999 Kalibrasi Model Menurut Vase, et al (2011) bahwa kalibrasi model merupakan suatu proses mengoptimalkan atau secara sistematis menyesuaikan nilai parameter model untuk

4 mendapatan satu set parameter yang memberikan estimasi terbaik dari debit sungai yang diamati. Dalam penelitian ini, pada tahap kalibrasi dilakukan pemilihan periode kalibrasi dan periode warm up. Menurut Littlewood, et al (1999), pemilihan periode kalibrasi diawali dan diakhiri pada keadaan debit relatif kecil sehingga perubahan penyimpanan air di DAS selama periode kalibrasi dapat diasumsikan mendekati nol. Warm-up adalah periode untuk inisiasi dan dicari dengan coba-coba. Pemilihan periode warm up bertujuan untuk mengisi kondisi awal DAS. Selama proses kalibrasi dilakukan, perlu adanya pengecekan kriteria statistik yaitu R 2 dan bias sebagai indikator bagus atau tidaknya hasil kalibrasi yang dihasilkan. Selain melihat nilai R 2 dan bias, untuk mengontrol nilai parameter yang dihasilkan pada tahap kalibrasi, maka parameter yang dihasilkan disesuaikan rangenya berdasarkan penelitian yang dilakukan oleh Sriwongsitanon dan Taesombat (2011). Adapun hubungan antara Parameter Model terhadap Nilai Range Parameter Model IHACRES disajikan seperti pada Tabel 2. Verifikasi Model Verifikasi model menurut Pechlivanidis, et al (2011) merupakan suatu proses setelah tahap kalibrasi selesai dilakukan yang berfungsi untuk menguji kinerja model pada data diluar periode kalibrasi. Kinerja model biasanya lebih baik selama periode kalibrasi dibandingkan dengan verifikasi, fenomena seperti ini disebut dengan divergensi model. Simulasi Model Simulasi model menurut Refsgaard (2000) merupakan upaya memvalidasi penggunaan model untuk memperoleh pengetahuan atau wawasan dari suatu realita dan untuk memperoleh perkiraan yang dapat digunakan oleh para pengelola sumberdaya air. Tahap simulasi merupakan proses terakhir setelah proses kalibrasi dan verifikasi dilaksanakan. Dalam tahap ini keseluruhan data hujan dan temperatur digunakan sebagai data masukan untuk menghitung aliran. Validasi Model Menurut Soemarno (2003), validasi model pada hakekatnya merupakan usaha untuk menyimpulkan apakah model sistem tersebut di atas merupakan perwakilan yang sah dari realitas yang dikaji sehingga dapat dihasilkan kesimpulan yang meyakinkan. Pada penelitian ini, validasi model dilakukan di stasiun Pulau Berhalo dengan panjang data selama 10 tahun ( ). METODE PENELITIAN Lokasi Penelitian Penelitian ini dilakukan pada DAS Indragiri dengan dua lokasi stasiun duga air yang berbeda yaitu stasiun Lubuk Ambacang dan stasiun Pulau Berhalo. Stasiun duga air Lubuk Ambacang memiliki memiliki luas daerah aliran sebesar 7467 km 2. Stasiun duga air Pulau Berhalo memiliki luas daerah aliran sebesar 8526 km 2. Adapun lokasi penelitian ditunjukkan seperti pada Gambar 2 di bawah ini. Tabel 2. Hubungan antara Parameter Model terhadap Nilai Range Parameter Model IHACRES Parameter Model Nilai Range Parameter Model Keseimbangan massa Modulasi Temperatur 1-9 Laju pengeringan pada saat suhu referensi 1-9 Konstanta waktu respon cepat Konstanta waktu respon lambat Volume perbandingan untuk aliran lambat Sumber : Sriwongsitanon dkk,

5 Gambar 2. Peta Lokasi Penelitian Kebutuhan Data Penelitian Data-data yang digunakan dalam penelitian ini adalah meliputi sebagai berikut: (a) Data curah hujan pada stasiun hujan Tanjung Pati, Sijunjung dan Sentajo periode (b)data klimatologi pada stasiun klimatologi Sentajo periode (c) Data debit pada pos duga air Lubuk Ambacang dan Pulau Berhalo periode Tahapan analisis menggunakan Model IHACRES Secara garis besar tahapan analisis yang dilakukan adalah sebagai berikut: (a) Melakukan uji konsistensi pada data hujan dan debit dengan metode RAPS. (b) Menentukan skema yang berkaitan dengan pemilihan persentase panjang data yang akan digunakan dalam tahap kalibrasi, verifikasi dan simulasi. Ketiga tahap tersebut dilakukan di stasiun duga air Lubuk Ambacang. Adapun skema yang akan digunakan diperlihatkan pada Tabel 3. (c) Melakukan input data yang telah diuji konsistensinya ke program IHACRES v.2.1 untuk selanjutnya dilakukan proses kalibrasi. Pada proses kalibrasi ini dilakukan pengisian periode kalibrasi dan durasi warm up. Pengisian periode kalibrasi disesuaikan dengan skema yang telah disusun sedangkan durasi warm up diisi secara bertingkat dengan kelipatan 100. (d) Melakukan keseluruhan proses kalibrasi untuk skema 1 dan warm up percobaan pertama (durasi 100) hingga diperoleh parameter dengan nilai R 2 dan bias yang paling optimal. Nilai optimal untuk R 2 mendekati satu dan bias mendekati nol. (e) Mengulangi keseluruhan proses kalibrasi skema 1 untuk durasi warm up berikutnya (200, 300, 400,.. dst). Proses ini berakhir apabila nilai R 2 yang dihasilkan telah mengalami penurunan dibandingkan dengan durasi warm up sebelumnya. (f) Mengulangi langkah nomor 5 hingga nomor 7 untuk skema 2 hingga 8. (g) Tahapan verifikasi, yaitu suatu proses untuk menguji kinerja model pada data diluar periode kalibrasi. Proses verifikasi dilakukan dengan menggunakan variabel dan parameter yang memberikan nilai R 2 yang tertinggi dalam tahap kalibrasi untuk masing masing skema. Selanjutnya hasil verifikasi masing masing skema dihitung nilai R 2 dan biasnya. (h) Tahapan simulasi, yaitu proses terakhir setelah proses kalibrasi dan verifikasi dilaksanakan. Proses simulasi dilakukan dengan menggunakan variabel dan parameter yang sama yang digunakan dalam tahap verifikasi dan dihitung untuk masing masing skema namun menggunakan keseluruhan data yang ada. Selanjutnya hasil simulasi masing masing skema dihitung nilai R 2 dan biasnya. (i) Proses validasi dilakukan dengan menggunakan variabel dan parameter yang dihasilkan masingmasing skema. Proses validasi ini dilakukan di stasiun duga air Pulau Berhalo. Selanjutnya hasil validasi dari masing masing skema dihitung nilai R 2 dan biasnya. (j) Hasil dan pembahasan, yaitu membahas tentang hasil analisis data. 281

6 Tabel 3. Skema Persentase Panjang Data Tahap Kalibrasi, Verifikasi dan Simulasi Stasiun Duga Air Lubuk Ambacang Skema Kalibrasi Verifikasi Simulasi 1 10,0192% 84,9713% ( ) ( ) 2 20,0110% 74,9795% ( ) ( ) 3 30,0027% % ( ) ( ) % % 4 100% ( ) ( ) ( ) % 44,9763% 5 ( ) ( ) 6 60,0055% 34,9849% ( ) ( ) 7 69,9973% 24,9932% ( ) ( ) 8 79,9891% 15,0014% ( ) ( ) HASIL DAN PEMBAHASAN Uji Konsistensi Data Data hujan yang akan diuji konsistensi datanya diambil dari tiga stasiun penakar hujan diantaranya stasiun Tanjung Pati, stasiun Sijunjung dan stasiun Sentajo dengan masing masing stasiun memiliki panjang data selama 10 (sepuluh) tahun. Untuk kepercayaan 99%, stasiun Tanjung Pati menunjukkan Q hitungan Q kritik hitungan 0, 7271,290 dan R R 0, 727 1, 380. Hasil kritik pengujian dengan metode RAPS menunjukkan untuk data dari ketiga stasiun hujan tersebut adalah panggah atau konsisten. Data debit yang akan diuji konsistensi datanya diambil dari dua stasiun duga air diantaranya stasiun Lubuk Ambacang dan stasiun Pulau Berhalo dengan masing masing stasiun memiliki panjang data selama 10 (sepuluh) tahun. Untuk kepercayaan 99%, stasiun Lubuk Ambacang menunjukkan Q Q 0,559 1,290 dan R hitungan hitungan kritik R 0,559 1,380. Hasil kritik pengujian dengan metode RAPS menunjukkan untuk data dari kedua stasiun duga air tersebut adalah panggah atau konsisten. Proses Pemodelan Debit dengan Metode IHACRES Pada penelitian ini, proses kalibrasi dilakukan dengan program bantu IHACRES v.2.1 untuk mendapatkan parameter dan variabel yang akan digunakan pada tahap selanjutnya (verfikasi, simulasi dan validasi). Proses verifikasi, simulasi dan validasi menggunakan bantuan Microsoft Excel. Adapun proses kalibrasi, verifikasi dan simulasi adalah sebagai berikut: Kalibrasi Model Proses kalibrasi dilakukan dengan program bantu IHACRES v.2.1. Adapun hasil nilai R 2 dan bias pada tahap kalibrasi dengan variasi warm up untuk masing-masing skema disajikan seperti pada Gambar 3 dan Gambar 4. Pada Gambar 3 dan Gambar 4 di atas memberikan pemahaman bahwa variasi warm up yang memberikan nilai R 2 optimal untuk masing masing skema tidaklah sama, langkah selanjutnya parameter hasil kalibrasi dan variabel tersebut digunakan untuk perhitungan debit harian dengan metode IHACRES untuk tahap verifikasi dan simulasi pada masing masing skema 282

7 Koefisisen Determinasi (R2) R Gambar 3. Grafik Hubungan antara Nilai Koefisien Determinasi (R 2 ) Untuk Berbagai Variasi Skema (Sumber : Hasil Running Program) Nilai Bias Nilai Bias Gambar 4. Grafik Hubungan antara Nilai Bias Untuk Berbagai Variasi Skema (Sumber : Hasil Running Program) Verifikasi Model Setelah parameter hasil kalibrasi dan variabel diperoleh, selanjutnya dilakukan perhitungan debit harian untuk masing-masing skema dengan metode IHACRES. Adapun panjang data yang digunakan dalam tahap ini, disesuaikan dengan persentase panjang data pada tahap verifikasi untuk masing masing skema. Simulasi Model Pada simulasi model, parameter dan variabel yang akan digunakan dalam perhitungan sama dengan parameter dan variabel yang digunakan dalam verifikasi masing masing skema, namun dalam perhitungannya menggunakan keseluruhan data yang ada yaitu data dari tanggal 1 Januari 1995 sampai 31 Desember Rekomendasi Penggunaan Model IHACRES Rekomendasi penggunaan model IHACRES merupakan kelanjutan dari tahap kalibrasi, verifikasi dan simulasi, dengan membandingkan masing masing skema sehingga diperoleh skema yang memberikan estimasi terbaik dalam memodelkan hujan aliran pada stasiun duga air Lubuk Ambacang. Adapun hasil uji statistik skema 1 hingga skema 8 ditunjukkan seperti pada Gambar 4 di bawah ini. Berdasarkan Gambar 4 di atas, yang memberikan estimasi terbaik dalam memodelkan hujan aliran di stasiun Lubuk Ambacang pada tahap kalibrasi adalah skema 3 dengan nilai R 2 sama dengan 0,8140 dan tahap verifikasi adalah skema 6 dengan nilai R 2 sebesar 0,5508. Selanjutnya untuk tahap validasi, menggunakan parameter dan variabel yang dihasilkan dalam skema 1 hingga skema 8 282

8 1 0,8 R 2 0,6 0,4 0,2 0 Kalibrasi Verifikasi Simulasi Gambar 4. Rekomendasi Penggunaan Model IHACRES Validasi Model Validasi model bertujuan untuk mengetahui keandalan model apabila parameter yang telah diperoleh sebelumnya diterapkan pada stasiun duga air yang berbeda. Pada penelitian ini, validasi dilakukan pada pada Stasiun Duga Air Pulau Berhalo yang memiliki luas daerah aliran 8526 km 2. Proses validasi model pada masing masing skema dilakukan dengan menggunakan parameter dan variabel dari Tabel 5 dan Tabel 6 dan proses yang sama seperti simulasi model, untuk kemudian dilakukan analisis hujan aliran berdasarkan data debit dari pengukuran di stasiun duga air Pulau Berhalo dengan metode IHACRES. Hasil Uji Statistik Validasi Stasiun Pulau Berhalo Adapun hasil uji statistik untuk masing masing tahap (kalibrasi, verifikas i dan validasi) diperlihatkan pada Gambar 5. Berdasarkan Gambar 5 terlihat bahwa nilai R 2 optimal pada tahap validasi diberikan pada skema 7 yang menunjukkan kinerja model yang memenuhi ( 0,36< R 2 < 0,75) dalam memodelkan hujan aliran pada stasiun Pulau Berhalo. R 2 1 0,8 0,6 0,4 0,2 0 Kalibrasi Verifikasi Validasi Gambar 5. Hasil Uji Statistik Validasi Stasiun Pulau Berhalo 284

9 Hasil ini berbeda dengan hasil yang diberikan pada Skema 3 (R 2 tertinggi pada tahap kalibrasi), walaupun pada tahap kalibrasi dan verifikasi secara keseluruhan menunjukkan kinerja model yang memenuhi, namun hasil yang berbeda diperlihatkan ketika parameter dan variabel model divalidasi. Hasilnya menunjukkan bahwa kinerja model Skema 3 tidak memenuhi (R 2 < 0,36) apabila digunakan pada stasiun Pulau Berhalo. Hasil yang sama juga diberikan pada Skema 6 (R 2 tertinggi pada tahap verifikasi), walaupun nilai R 2 yang dihasilkan pada tahap validasi lebih tinggi dibandingkan Skema 3, namun nilai tersebut masih berada dalam rentang kinerja model tidak memenuhi (R 2 < 0,36) apabila diterapkan di stasiun Pulau Berhalo. KESIMPULAN DAN SARAN Kesimpulan Berdasarkan analisis dan pembahasan hasil penelitian di atas maka dapat ditarik kesimpulan sebagai berikut: (a) Pada tahap kalibrasi, verifikasi dan simulasi di stasiun duga air Lubuk Ambacang, skema terbaik pada tahap kalibrasi dan verifikasi adalah Skema 3 dan Skema 6. Skema 3 memberikan nilai R2 tertinggi pada tahap kalibrasi yaitu sebesar 0,8140. Sedangkan Skema 6 memberikan nilai R2 tertinggi pada tahap verifikasi yaitu sebesar 0,5508. (b) Pada tahap validasi di Stasiun Duga Air Pulau Berhalo, Skema 7 menunjukkan kinerja model yang lebih baik dibandingkan dengan Skema 3 dan skema 6 yang merupakan skema terbaik pada tahap kalibrasi dan verifikasi. Skema 7 memberikan nilai R2 sebesar 0,361 dan bisa 17,155 mm/tahun. Hal tersebut memberikan gambaran bahwa semakin panjang data yang digunakan, maka tingkat akurasi kinerja model yang dihasilkan akan semakin baik. (c) Model IHACRES yang diterapkan di stasiun duga air Lubuk Ambacang dan Pulau Berhalo dapat dikatakan masih kurang handal karena nilai R2 yang dihasilkan pada tahap simulasi dan validasi berkisar antara 0,245 0,485. Saran Adapun saran yang dapat diberikan berdasarkan hasil perhitungan dan analisis pada pengerjaan penelitian ini antara lain sebagai berikut: (a) Sebaiknya lebih berhati hati dalam penggunaan Model IHACRES pada proses kalibrasi terutama pada saat penentuan durasi warm up. Hal ini didasarkan pada adanya perbedaan durasi warm up yang memberikan nilai R 2 optimal untuk masing masing skema.(b) Sebaiknya lebih berhati hati dalam penggunaan model IHACRES karena keberhasilan yang diperoleh tahap kalibrasi tidak menjamin keberhasilan pada tahap verifikasi. (c) Diperlukan penelitian yang berkelanjutan dalam hal regionalisasi parameter model sehingga diperoleh range parameter model yang sesuai untuk karakteristik kondisi hidrologi di Indonesia. (d) Perlunya kajian lebih lanjut mengenai analisis hujan aliran selain menggunakan model IHACRES untuk dapat diterapkan di lokasi pada studi stasiun duga air Lubuk Ambacang dan Pulau Berhalo. UCAPAN TERIMA KASIH Penulis mengucapkan terima kasih kepada Balai Wilayah Sungai Sumatera III Provinsi Riau, Dinas Pemukiman dan Prasarana Wilayah Provinsi Riau Proyek Pengendalian Banjir dan Pengamanan Pantai Riau serta Balai Pengelolaan Sumber Daya Air Kuantan Indragiri Provinsi Sumatera Barat yang telah memberikan informasi dan data data yang dibutuhkan dalam penelitian ini serta kepada Rafik Fajar Yunansyah, SPSi, MSi atas saran perbaikan dalam penulisan abstrak serta Ryan Wibowo, ST yang telah membantu dalam penyajian data dan pengoperasian program bantu IHACRES. 285

10 DAFTAR PUSTAKA Anderson, R.M. & Goodall, J.L Regionalization of IHACRES model parameters for integrated assessment across the Lake Erie, northern Ohio basin USA. Proceedings of the 3rd Biennial Meeting of the International Environmental Modeling and Software Society (iemss). Burlington, Vermont, Carlile, P.W., Croke, B.F.W., Jakeman, A.J. & Lees, B.G Development of a semidistributed catchment hydrology model for simulation of land-use change streamflow and groundwater recharge within the Little river catchment. In I.C. Roach (ed.). Regolith, CRC LEME : Croke, B.F.W., Andrews, F., Spate, J. & Cuddy, S IHACRES User Guide, Software Version Classic Plus V2.0. Australia : ICAM Centre dan The Australian National University. Croke, B.F.W. & Littlewood, I.G Comparison of Alternative Loss Modules in the IHACRES Model: An Application to 7 Catchments in Wales. International Congress on Modeling and Simulation Society of Australia and New Zealand. Melbourne, Australia Dye, P.J. & Croke, B.F.W Evaluation of Streamflow Predictions by the IHACRES Rainfall-Runoff Model in Two South African Catchments. Environ. Mod and Soft. 18 : Indarto,2006. Kalibrasi Model IHACRES untuk Simulasi Neraca Air Harian di DAS Bedadung, Jawa Timur, Indonesia. Media Teknik Sipil. Juli 2006 : Littlewood, I.G., Down,.K, Parker, J.R. & Post, D.A IHACRES V1.0 User Guide. Australia : ICAM Centre dan The Australian National University. Motovilov, Y.G., Gottschalk, L., Engeland, K. & Rodhe, A Validation of a Distributed Hydrological Model Against Spatial Observations. Elsevier Agricultural and Forest Meteorology. 98 : Pechlivanidis, I.G., Jackson, B.M., Mcintyre, N.R., & Wheater, H.S Catchment Scale Hydrological Modelling : A Review of Model Types, Calibration Approaches and Uncertainty Analysis Methods in the Context Of Recent Developments in Technology and Applications. Global Nest Journal. 13: Refsgaard, J.C Towards a Formal Approach to Calibration and Validation of Models Using Spatial Data, Dalam R. Grayson & G. Blöschl. Spatial Patterns in Catchment Hydrology: Observations and Modelling. Cambridge University Press, Cambridge, Soemarno Pendekatan dan Pemodelan Sistem. Bahan Ajar. Malang : Program S2 Pemodelan. Sriwongsitanon, N. & Taesombat, W, Estimation of the IHACRES Model Parameters for Flood Estimation of Ungauged in the Upper Ping River Basin. Kasetsart J (Nat. Sci.) 45. Juni 2011 : Vase, J., Jordan, P., Beecham, R., Frost, A. & Summerell, G Guidelines for Rainfall-Runoff Modelling : Towards Best Practice Model Application. Australia : ewater Cooprative Research Centre. Wheater, H., Sorooshian, S. & Sharma, K.D Hydrological Modelling in Arid and Semi Arid Areas.Cambridge: Cambridge University Press. 286